当使用两个整数列表进行数组赋值（如a[[1,3], [0,2]] = 0）时，NumPy执行的是逐元素配对赋值（即(1,0)和(3,2)），而非广播式全组合赋值，这是由高级索引机制决定的核心行为。
当使用两个整数列表进行数组赋值（如a[[1,3], [0,2]] = 0）时，numpy执行的是逐元素配对赋值（即(1,0)和(3,2)），而非广播式全组合赋值，这是由高级索引机制决定的核心行为。
在 NumPy 中，a[[i1, i2, ..., iN], [j1, j2, ..., jN]] = value 这种双列表索引属于高级索引（Advanced Indexing），其语义是：将第一个列表中的行索引与第二个列表中的列索引按位置一一对应，形成 N 个坐标对 (i_k, j_k)，然后对这 N 个位置分别赋值。
以示例为例：
import numpy as np
a = np.array([
[11, 12, 13],
[21, 22, 23],
[31, 32, 33],
[41, 42, 43]
])
a[[1, 3], [0, 2]] = 0
print(a)输出为：
[[11 12 13] [ 0 22 23] [31 32 33] [41 42 0]]
这是因为该操作等价于以下两条独立赋值：
a[1, 0] = 0 # 第1行、第0列 → 21 → 0 a[3, 2] = 0 # 第3行、第2列 → 43 → 0
⚠️ 常见误解澄清：
- ❌ 它不是“对第1行和第3行的所有第0列与第2列元素赋值”（即不产生
(1,0),(1,2),(3,0),(3,2)四个位置）； - ❌ 也不支持自动广播（如
[[1,3]]与[0,2]扩展为 2×2 网格）； - ✅ 它严格要求两个索引数组长度一致，并按
zip(i_list, j_list)配对。
若你真正需要设置多行多列的笛卡尔积交集（例如：第1行和第3行 × 第0列和第2列，共4个位置），应显式构造完整坐标：
rows = np.array([1, 3]) cols = np.array([0, 2]) row_grid, col_grid = np.meshgrid(rows, cols, indexing='ij') a[row_grid, col_grid] = 0 # 形状 (2, 2)，覆盖4个位置
或更简洁地使用 np.ix_：
a[np.ix_([1, 3], [0, 2])] = 0 # ✅ 正确实现行列组合赋值 # 结果： # [[11 12 13] # [ 0 22 0] # [31 32 33] # [ 0 42 0]]
? 总结：NumPy 的 __setitem__ 在高级索引下遵循“坐标对映射”原则，而非直觉上的“行列交叉广播”。理解 np.ix_() 和 np.meshgrid() 是精准控制多维赋值的关键。务必检查索引数组长度是否匹配，并根据实际需求选择语义明确的索引方式。
